38_尚硅谷_Hive查询_分桶表抽样查询

好，然后我们看一下这个分钟表啊，它更多的是用在这个做分组抽象查询的时候，因为当数据集特别大的时候，对于某一个K对吧，我想呢，把某一些值呢指标给它抽出来，但是对于整个数据集我又不好抽象，因为我要看不同的规律啊，你现在呢，放在四个桶里边，我每个桶呢抽一点数据，或者说抽不同的桶出来看啊，那这个意思，那这个抽样的语句是什么样子的呢？来看一下。主要的在于这儿。Sample什么意思啊？要买对吧，配。一个函数，然后是8K12F4ID。ID这个ID这个都不用了了吧。你这个分桶的一个。字段对吧，那前面这个东西主要的我们来看一下这个是什么意思。啊，是抽样语句啊，抽样语句那叫8X out of y。抽样，那是不是有XY来决定我抽多少，怎么抽的问题啊？

因为你要抽样嘛，对吧，你要抽样就类似于什么一个随机的数，然后抽样，你给要提供一个种子，从哪开始抽，抽多少样本，是不是这个意思啊，那这个X由X跟Y来控制的。啊，我们要改的也就是这个一或者四，那这是什么意思呢？前面这个X。指的是从哪一个桶开始抽？指的是从哪一个桶开始抽？这意思好，那Y是什么意思呢？Y让Y必须为统数的倍数，或者说是因子。现在我们是不是分了四个图对吧，你Y可以写248等这种数字能理解好它呢，Y呢是决定抽多少样本的。啊，我现在分成四个桶，如果说我外写啊，我将来抽的就是四除以二。两个桶里边的数据。

我要抽两个桶里的数据，能懂我意思啊，Y是决定抽多少数据，那如果说我要抽写的是八呢。那将来抽多少数据？抽一个桶的1/2的数据吗？是这个意思啊，抽一个桶的1/2的数据好，那X呢？是从哪一个桶开始抽？啊，从哪个桶开始抽好，那现在看这个情况。现在写的是1OUT of，四代表什么意思？总共抽一个桶数据对吧，而且抽的是哪个，第一个是这意思。啊，这的第一桶，好，接下来有一个问题来了，如果说我写的是一二。Y为二是不是抽两个桶数据对吧，那第一个开始抽没问题。第一个第一个，那第二个我到底抽谁呢。

不是随机的，他抽的是一加就是X加Y。能听懂是X加Y好，假如说啊这样，假如说有一个这种情况，我总共呢，有16个。就是我煎表的时候建了16个桶，这没问题吧，那接下来呢，我抽样的时候，我X写的还是一。我Y写的是四。这个代表什么意思？总共抽四个桶里面的数据。没问题吧，因为16除以四嘛，我总共要抽四个桶的数据。好，那接下来从第一个开始抽，这第一个桶，那第二个桶四个桶，第二个桶就按我们刚才所说的，第二个桶抽谁抽五，那第三个桶呢，再猜就再加四，能懂意思啊，九再加四就13，他抽的是一五九十三这几个桶你总共不有16个桶吗？16个桶不是零到什么15吗？

对吧，啊，零到15是这个意思啊，零到15也就抽的这几个桶，所以由于这种情况啊，它有一个规定。X的值必须小于Y，要不然它报错，那不管他报不报错，这个报错你就知道了，但是我们要分析一下刚才那个过程，为什么它会有这个点。来举个例子啊，我们列一个数学公式算一下，假设我总共有这个图。OK吧，啊，假设有这个桶，我现在。要抽的是X跟Y，就是那两个数字，因为我们要传的是X跟Y，好总共抽多少个总的数据。Z除以Y没问题吧，那我们算一下最后一个桶，它应该是数字是多少，是哪一个？是不是X加什么东西啊，Y分之Z减一。

乘以谁？乘以Y嘛，对吧，因为第二个桶加一个Y嘛，第三个桶加两个Y嘛，也就是说N第N个图的时候加N减一个Y吗？最后一个桶是它，那不就N减一个没问题吧？啊这个公式，那你把它一化简得出来什么东西？X加Z减Y如果X大于Y，这个式子将大于超出了你的总数。所以X不能大于Y，能理解这个事儿。能看得明白这个公式对吧？啊，所以呢，其实你自己写一下，它会给你报错，他也说了，这个东西呢，不能够干什么超过big啊好，那我们把这个抽样啊，一直说这么多，我们来抽一下，按照我们这个逻辑，我们现在这个表是不是四个桶。

我们要从第一个桶开始抽，那抽的是谁啊？第一个。1400。第一个桶啊，1234对吧，那假如说我现在要干什么，从第二个桶，那它出来数据呢。应该是九五一十三对吧，啊，九五一十三，九五一十三没问题吧，啊，这个就是抽的孔，那或者说诶这个地方。我写八呢。那我们先分析一下，你不要写七啊，这种东西就算能抽出来那个数据不是有一定规律，因为你说有问题八就是说四除以八，我要抽1/2个桶，也就二第二个，这里边选两个数据嘛，对吧？啊选两个数据走一下。119选两个没问题吧，啊，这就是抽样啊，但是这个分筒表更多的就在于跟这个分筒的一个抽样在块用啊，但是实际在生产环境当中呢，用的比较少啊，用的比较少，那最后我们看下这个内容，假如说这个地方呢，我写的是二，我前面写的是什么。

这个等我们试一下啊，Y能不能等于一，现在呢？哎，这我写三，那这个就是我们说的X大于Y了，是不是啊，X大于Y了，这个就啊错啊第一个好，然后有同学提到了这个是一，如果这个是一的话，那这个只能是什么一？那就出全部数据吧，从第一个桶派出，每一个桶的数据都要。就全量数据嘛，对吧，啊，也就是Y可以等于一，我说了是它这个因子啊因子或者倍数对吧，一是它的一个因子吗。是吧，啊一是啊，一是因为它自自身也是嘛啊，这是这个分母重样，大家呢，可以下去自己去，呃，按照这个文档去玩一玩啊，其他的这个呢，也不是不要求作为重点去掌握的一个内容啊，它不是一个重点内容。